咕泡-人工智能深度学习系统班（第八期） - 猎人搜索 轻松搜寻全网资源

• file:网盘资源分享群.jpg
• file:300T精品资源入口.txt
• file:PyTorch模型部署实例.zip
• file:Docker使用命令.zip
• file:YOLO部署实例.zip
• file:Mobilenet.pdf
• file:剪枝算法.pdf
• file:pytorch-slimming.zip
• file:TensorFlow-serving.zip
• file:第四章：Deepsort源码解读.zip
• file:第一章：姿态估计OpenPose系列算法解读.pdf
• file:基础补充-PyTorch框架必备核心模块解读.zip
• file:第二章：OpenPose算法源码分析.zip
• file:16-词向量模型与RNN网络架构.zip
• file:变声器pytorch-StarGAN-VC2.zip
• file:语音合成tacotron2实战.zip
• file:语音识别LAS模型.zip
• file:语音分离Conv-TasNet.zip
• file:第10章：基于视频流水线的Opnecv缺陷检测项目.zip
• file:第5章：Semi-supervised布料缺陷检测实战.zip
• file:DeepLab铁质材料缺陷检测与开源项目应用流程.zip
• file:第2节：对抗生成网络架构原理与实战解析.zip
• file:第5节：stargan项目实战及其源码解读.zip
• file:第3节：基于CycleGan开源项目实战图像合成.zip
• file:static.zip
• file:第四章：swintransformer算法原理解析.pdf
• file:transformer.pdf
• file:可变形DETR.pdf
• file:第六章：基于Transformer的detr目标检测算法.pdf
• file:mmdetection-master.zip
• file:baiduyunguangjia_cfg_A900527E-5BA6-4d22-8E96-E40D5C6EDF61.cfg
• file:2104.00680.pdf
• file:Medical-Transformer.zip
• file:LoFTR.zip
• file:Transformer在视觉中的应用VIT算法.pdf
• file:6-视频异常检测CVPR2021论文及其源码解读.zip
• file:5-视频异常检测算法与元学习.pdf
• file:1-slowfast算法知识点通俗解读.pdf
• file:4-基于3D卷积的视频分析与动作识别.zip
• file:detr目标检测源码解读.zip
• file:EfficientDet.zip
• file:json2yolo.py
• file:YOLOV7.pdf
• file:yolov7-main.zip
• file:Yolov7结构图.pptx
• file:MaskRcnn网络框架源码详解.zip
• file:图像识别核心模块实战解读.zip
• file:mask-rcnn.pdf
• file:R(2+1)D网络.pdf
• file:f112c9fda85536ee3eba662c9043e683.bat
• file:第5节：U-2-Net.zip
• file:第二模块：MPViT-main.zip
• file:mask2former(mmdetection).zip
• file:第二模块：mmsegmentation-0.20.2.zip
• file:第八模块：mmrazor-模型蒸馏.zip
• file:第5节：基于知识图谱的电影推荐实战.zip
• file:第6节：FM与DeepFM算法.pdf
• file:第11节：补充-基于相似度的酒店推荐系统.zip
• file:第1节：推荐系统介绍.pdf
• file:第8节：推荐系统常用工具包演示.zip
• file:第2节：协同过滤与矩阵分解.pdf
• file:Anaconda3-2020.07-Windows-x86_64.exe
• file:VisualStudioSetup.exe
• file:torchvision-0.11.0+cu113-cp38-cp38-win_amd64.whl
• file:pycharm-community-2022.1.2.exe
• file:cuda_11.3.0_465.89_win10.exe
• file:notepadplusplus-8-4.exe
• file:第六章：DataLoader自定义数据集制作.zip
• file:第五章：图像识别模型与训练策略（重点）.zip
• file:第七章：LSTM文本分类实战.zip
• file:第5节：DQN算法实例演示.zip
• file:第8节：A3C算法玩转超级马里奥.zip
• file:第3节：策略梯度实战-月球登陆器训练实例.zip
• file:第7节：Actor-Critic算法分析(A3C).pdf
• file:2-特征基础提取模块.mp4
• file:9-准备变形卷积模块的输入.mp4
• file:10-传播流程整体完成一圈.mp4
• file:11-完成输出结果.mp4
• file:7-提特征传递流程分析.mp4
• file:6-双向计算特征对齐.mp4
• file:5-偏移量计算方法.mp4
• file:1-要完成的任务分析与配置文件.mp4
• file:4-基于光流完成对齐操作.mp4
• file:6-体素特征提取方法解读.mp4
• file:3-基本流程梳理并进入debug模式.mp4
• file:10-3D卷积特征融合.mp4
• file:5-体素索引位置获取.mp4
• file:1-环境配置与数据集概述.mp4
• file:2-数据与标注文件介绍.mp4
• file:2-搜索匹配到符合计算量的模型并训练.mp4
• file:1-SuperNet网络结构分析与剪枝概述.mp4
• file:3-DEBUG解读Backbone设计.mp4
• file:9-全局特征的作用与实现.mp4
• file:6-近似Attention模块实现.mp4
• file:4-PatchEmbedding的作用与实现.mp4
• file:6-query要预测的任务解读.mp4
• file:7-Decoder中的AttentionMask方法.mp4
• file:12-最终损失计算流程.mp4
• file:3-多层级输入特征序列创建方法.mp4
• file:5-Encoder特征构建方法实例.mp4
• file:2-多层级采样点初始化构建.mp4
• file:13-汇总所有损失完成迭代.mp4
• file:8-损失模块输入参数分析.mp4
• file:9-标签分配策略解读.mp4
• file:1-Backbone获取多层级特征.mp4
• file:5-日志输出与模型分离.mp4
• file:4-开始模型训练过程与问题修正.mp4
• file:7-实际测试效果演示.mp4
• file:2-Teacher与Student网络结构定义.mp4
• file:3-训练T与S得到蒸馏模型.mp4
• file:1-任务概述与工具使用.mp4
• file:3-MMCLS中增加一个新的模块.mp4
• file:8-MMCLS可视化模块应用.mp4
• file:5-数据增强流程可视化展示.mp4
• file:4-修改配置文件中的参数.mp4
• file:2-测试评估模型效果.mp4
• file:6-Grad-Cam可视化方法.mp4
• file:3-Neck层特征组合.mp4
• file:2-得到style特征编码.mp4
• file:4-基础风格特征卷积模块.mp4
• file:5-视觉模型中的编码与解码的效果.mp4
• file:8-输出层与损失计算.mp4
• file:4-视觉Transformer模块的作用.mp4
• file:3-配置文件与标签要进行处理操作.mp4
• file:7-准备拼接边与点特征.mp4
• file:8-整合得到图模型输入特征.mp4
• file:5-标签数据处理与关系特征提取.mp4
• file:2-KIE数据集格式调整方法.mp4
• file:2-序列特征展开并叠加.mp4
• file:5-编码层中的序列分析.mp4
• file:9-Decoder要完成的操作.mp4
• file:4-准备Encoder编码层所需全部输入.mp4
• file:6-偏移量offset计算.mp4
• file:1-KIE关键信息抽取与视频超分辨率重构.mp4
• file:4-配置文件数据增强策略分析.mp4
• file:8-补充：评估指标.mp4
• file:7-模型测试与可视化分析模块.mp4
• file:6-模型训练与DEMO演示.mp4
• file:3-通过脚本生成COCO数据格式.mp4
• file:5-给Unet添加一个neck层.mp4
• file:7-将Unet特征提取模块替换成transformer.mp4
• file:3-上采样与输出层.mp4
• file:6-如何修改参数适配网络结构.mp4
• file:1-DeformableDetr算法解读.mp4
• file:1-在源码中加入各种注意力机制方法.mp4
• file:1-创建自己的行为识别标注数据集.mp4
• file:4-加载预训练模型开始训练.mp4
• file:3-根据预测类别数修改配置文件.mp4
• file:6-根据文件夹定义数据集.mp4
• file:2-准备MMCLS项目.mp4
• file:3-GPT初代版本要解决的问题.mp4
• file:6-GPT3的提示与生成方法.mp4
• file:7-应用场景CODEX分析.mp4
• file:4-特征对齐与位置编码初始化.mp4
• file:3-特征提取以及BEV空间初始化.mp4
• file:5-Reference初始点构建.mp4
• file:6-BEV空间与图像空间位置对应.mp4
• file:12-损失函数与预测可视化.mp4
• file:8-BEV空间特征构建.mp4
• file:10-获取当前BEV特征.mp4
• file:2-挑战及其与有监督问题差异.mp4
• file:3-数据文档切分操作.mp4
• file:4-样本索引与向量构建.mp4
• file:4-各模块实现细节讲解.mp4
• file:1-论文基本思想与核心模块分析.mp4
• file:3-建模流程分析与效果展示.mp4
• file:4-codebook模块的作用.mp4
• file:1-视觉自监督任务分析.mp4
• file:2-任务训练目标分析.mp4
• file:3-LLAMA与LORA介绍.mp4
• file:4-LORA微调的核心思想.mp4
• file:1-大模型如何做下游任务.mp4
• file:1-扩散模型概述与GAN遇到的问题.mp4
• file:7-细节实现总结.mp4
• file:10-基本建模训练效果.mp4
• file:7-分割任务模块设计.mp4
• file:1-mmselfup源码实现解读.mp4
• file:2-网络结构搭建细节解读.mp4
• file:5-整体框架流程实例.mp4
• file:1-BEITV2版本论文出发点解读.mp4
• file:2-自监督任务中两大核心任务分析.mp4
• file:7-时间模块与拓展补充.mp4
• file:3-特征融合过程中可能遇到的问题.mp4
• file:5-部署与网页预测展示.mp4
• file:1-对比学习要解决的问题分析.mp4
• file:7-MetaLearn与输出.mp4
• file:4-注意力机制模块打造.mp4
• file:6-训练所需视频数据准备.mp4
• file:5-特征融合模块与总结分析.mp4
• file:6-如何找到合适的初始化参数.mp4
• file:5-学习能力与参数定义.mp4
• file:5-基于高斯分布预测关键点位置.mp4
• file:8-PAF标签设计方法.mp4
• file:3-传统topdown方法的问题.mp4
• file:2-姿态估计应用领域概述.mp4
• file:1-数据源DEBUG流程解读.mp4
• file:12-BottleneckCSP层计算方法.mp4
• file:13-1-SPP层计算细节分析.mp4
• file:6-getItem构建batch.mp4
• file:18-命令行参数介绍.mp4
• file:2-图像数据源配置.mp4
• file:4-Mosaic数据增强方法.mp4
• file:10-RoiAlign与输出层.mp4
• file:8-slow与fast特征图拼接操作.mp4
• file:9-resnetBolock操作.mp4
• file:3-dataloader数据遍历方法.mp4
• file:3-测试效果与项目配置.mp4
• file:6-3D卷积网络所涉及模块.mp4
• file:2-UCF101动作识别数据集简介.mp4
• file:4-DropBlock与标签平滑方法.mp4
• file:6-特征图升维与降采样操作.mp4
• file:4-Resnet网络前向传播.mp4
• file:5-残差网络的shortcut操作.mp4
• file:7-网络整体流程与训练演示.mp4
• file:4-基于观测值进行最优估计.mp4
• file:1-卡尔曼滤波通俗解释.mp4
• file:6-追踪中的状态量.mp4
• file:10-sort与deepsort建模流程分析.mp4
• file:12-追踪任务流程拆解.mp4
• file:7-匈牙利匹配算法概述.mp4
• file:3-针对检测结果初始化track.mp4
• file:6-IOU代价矩阵计算.mp4
• file:4-对track执行预测操作.mp4
• file:6-各位置点归属判断.mp4
• file:7-特征图各点累加向量计算.mp4
• file:3-关键点与躯干特征图初始化.mp4
• file:4-根据关键点位置设计关键点标签.mp4
• file:5-准备构建PAF躯干标签.mp4
• file:9-网络模型一阶段输出.mp4
• folder:咕泡-人工智能深度学习系统班（第八期）
• folder:第八期资料
• folder:9-走向AI论文实验与项目实战的捷径-MMLAB实战系列
• folder:21-CV与NLP经典大模型解读
• folder:10-经典视觉项目实战：行为识别、姿态估计、目标追踪
• folder:7-综合项目-物体检测经典算法实战
• folder:6-Opencv图像处理框架实战
• folder:14-面向深度学习的无人驾驶实战
• folder:28-语音识别实战系列
• folder:24-自然语言处理必备神器Huggingface系列实战
• folder:23-自然语言处理经典案例实战
• folder:11-2022论⽂必备-Transformer实战系列
• folder:19-强化学习与AI黑科技实例
• folder:5-深度学习框架Tensorflflow
• folder:16-缺陷检测实战
• folder:1-直播回放
• folder:20-面向医学领域的深度学习实战
• folder:22-深度学习模型部署与剪枝优化实战
• folder:4-深度学习框架PyTorch
• folder:25-时间序列预测
• folder:15-对比学习与多模态任务实战
• folder:3-深度学习必备核⼼算法
• folder:30-论文创新点常用方法及其应用实例
• folder:第10章 经典视觉项目实战-目标追踪与姿态估计
• folder:第13章 3D点云实战
• folder:第26章 ⾃然语⾔处理通⽤框架-BERT实战
• folder:第29章 推荐系统实战系列
• folder:第2章 AI课程所需安装软件教程
• folder:17-第六模块：BasicVSR++视频超分辨重构源码解读
• folder:1-MMCV安装方法
• folder:18-第七模块：多模态3D目标检测算法源码解读
• folder:20-第八模块：模型剪枝方法概述分析
• folder:7-第二模块：分割任务CVPR最新Backbone设计及其应用
• folder:11-补充：Mask2former源码解读
• folder:4-第一模块：模型源码DEBUG演示
• folder:19-第八模块：模型蒸馏应用实例
• folder:22-OCR算法解读
• folder:3-第一模块：训练结果测试与验证
• folder:13-第四模块：DBNET文字检测
• folder:16-第五模块：stylegan2源码解读
• folder:15-第四模块：KIE基于图模型的关键信息抽取
• folder:9-第三模块：DeformableDetr物体检测源码分析
• folder:8-第三模块：mmdet训练自己的数据任务
• folder:6-第二模块：基于Unet进行各种策略修改
• folder:23-额外补充-在源码中加入各种注意力机制方法
• folder:21-第九模块：mmaction行为识别
• folder:2-第一模块：分类任务基本操作
• folder:4-chatgpt算法解读分析
• folder:6-LLM下游任务训练自己模型实战
• folder:10-openai-dalle2论文解读
• folder:13-视觉自监督BEIT算法解读
• folder:5-LLM与LORA微调策略解读
• folder:9-扩散模型diffusion架构算法解读
• folder:7-视觉大模型SAM
• folder:8-视觉QA算法与论文解读
• folder:18-补充-视觉大模型基础-deformableAttention
• folder:16-BEV感知特征空间算法解读
• folder:3-GPT2训练与预测部署流程
• folder:12-自监督任务-对比学习思想
• folder:2-slowfast项目环境配置与配置文件
• folder:14-V5版本项目配置
• folder:15-V5项目工程源码解读
• folder:3-slowfast源码详细解读
• folder:7-基础补充-Resnet模型及其应用实例
• folder:11-deepsort算法知识点解读
• folder:10-OpenPose算法源码分析
• folder:3-YOLO-V1整体思想与网络架构
• folder:6-项目实战-基于V3版本进行源码解读（建议直接跑V5版本）
• folder:7-基于YOLO-V3训练自己的数据集与任务（建议直接跑V5版本）
• folder:4-YOLO-V2改进细节详解
• folder:1-物体检测评估指标
• folder:16-半监督物体检测
• folder:11-YOLO系列（V7）算法解读
• folder:17-EfficientNet网络
• folder:7-图像金字塔与轮廓检测
• folder:2-图像基本操作
• folder:8-直方图与傅里叶变换
• folder:19-项目实战-目标追踪
• folder:1-课程简介与环境配置
• folder:18-Opencv的DNN模块
• folder:3-阈值与平滑处理
• folder:11-图像特征-harris
• folder:13-案例实战-全景图像拼接
• folder:10-项目实战-文档扫描OCR识别
• folder:8-NeuralRecon算法解读
• folder:11-TSDF算法与应用
• folder:6-局部特征关键点匹配实战
• folder:5-商汤LoFTR算法解读
• folder:4-基于深度学习的车道线检测项目实战
• folder:7-三维重建应用与坐标系基础
• folder:15-特斯拉无人驾驶解读
• folder:2-深度估计项目实战
• folder:2-LAS模型语音识别实战
• folder:3-starganvc2变声器论文原理解读
• folder:5-语音分离ConvTasnet模型
• folder:1-seq2seq序列网络模型
• folder:6-ConvTasnet语音分离实战
• folder:7-语音合成tacotron最新版实战
• folder:2-Transformer工具包基本操作实例解读
• folder:7-GPT系列算法
• folder:6-文本预训练模型构建实例
• folder:9-文本摘要建模
• folder:11-补充Huggingface数据集制作方法实例
• folder:5-文本标注工具与NER实例
• folder:6-点击率估计FM与DeepFM算法
• folder:7-DeepFM算法实战
• folder:2-协同过滤与矩阵分解
• folder:1-推荐系统介绍及其应用
• folder:8-推荐系统常用工具包演示
• folder:4-知识图谱与Neo4j数据库实例
• folder:9-基于文本数据的推荐实例
• folder:10-基本统计分析的电影推荐
• folder:5-HMM隐马尔科夫模型
• folder:9-基于word2vec的分类任务
• folder:4-新闻分类任务实战
• folder:8-使用Gemsim构建词向量
• folder:12-LSTM情感分析
• folder:2-商品信息可视化与文本分析
• folder:13-机器人写唐诗
• folder:6-HMM工具包实战
• folder:10-NLP-文本特征方法对比
• folder:11-NLP-相似度模型
• folder:19-Informer时间序列源码解读
• folder:2-视觉Transformer及其源码分析
• folder:10-MedicalTrasnformer论文解读
• folder:3-VIT算法模型源码解读
• folder:20-Huggingface与NLP（讲故事）
• folder:7-detr目标检测源码解读
• folder:12-Dalle2及其源码解读
• folder:4-Q-learning与DQN算法
• folder:2-PPO算法与公式推导
• folder:3-PPO实战-月球登陆器训练实例
• folder:7-用A3C玩转超级马里奥
• folder:5-DQN改进与应用技巧
• folder:13-ChatGPT
• folder:10-CLIP系列
• folder:3-搭建神经⽹络进⾏分类与回归任务
• folder:5-项目实战：猫狗识别实战
• folder:7-训练策略-迁移学习实战
• folder:1-tensorflflow安装与简介
• folder:6-图像数据增强实例
• folder:11-项目实战：将CNN网络应用于文本分类实战
• folder:2-神经网络原理解读与整体架构
• folder:8-递归神经⽹络与词向量原理解读
• folder:13-项目实战：经典网络架构Resnet实战
• folder:9-项目实战：基于TensorFlow实现word2vec
• folder:11-基于视频流⽔线的Opencv缺陷检测项⽬
• folder:8-Opencv梯度计算与边缘检测实例
• folder:13-基于deeplabV3+版本进⾏VOC分割实战
• folder:3-物体检测框架YOLOV5版本项目配置
• folder:5-基于YOLOV5的钢材缺陷检测实战
• folder:12-图像分割deeplab系列算法
• folder:9-图模型轨迹估计实战
• folder:6-图相似度论文解读
• folder:4-使用PyTorch Geometric构建自己的图数据集
• folder:1-图神经网络基础
• folder:3-图模型必备神器PyTorch Geometric安装与使用
• folder:2-图卷积GCN模型
• folder:5-图注意力机制与序列图模型
• folder:9-直播8：GPT与Hugging face
• folder:16-直播15：知识图谱与LORA
• folder:15-直播14：论文写作与就业简历
• folder:13-直播12：多模态与交叉注意力应用
• folder:2-直播1：神经网络
• folder:10-直播9：自监督任务
• folder:7-直播6：Transformer Decoder在视觉任务的应用
• folder:14-直播13：时间序列timesnet与地理分类任务
• folder:15-基于知识图谱的医药问答系统实战
• folder:4-基于Resnet的医学数据集分类实战
• folder:13-知识图谱原理解读
• folder:1-卷积神经网络原理与参数解读
• folder:17-医学糖尿病数据命名实体识别
• folder:10-基于deeplab的心脏视频数据诊断分析
• folder:2-PyTorch框架基本处理操作
• folder:7-unet医学细胞分割实战
• folder:5-图像分割及其损失函数概述
• folder:10-物体检测框架-MaskRcnn项目介绍与配置
• folder:7-医学⼼脏视频数据集分割建模实战
• folder:12-基于MASK-RCNN框架训练自己的数据与任务
• folder:4-U2NET显著性检测实战
• folder:5-项目实战-基于行人局部特征融合的再识别实战
• folder:4-AAAI2020顶会算法精讲
• folder:2-基于注意力机制的Reld模型论文解读
• folder:7-基于拓扑图的行人重识别项目实战
• folder:8-额外补充：行人搜索源码分析
• folder:6-旷视研究院最新算法解读（基于图模型）
• folder:2-AIoT人工智能物联网之AI 实战
• folder:7-YOLO-V3物体检测部署实例
• folder:3-AIoT人工智能物联网之NVIDIA TAO 实用级的训练神器
• folder:10-模型剪枝-Network Slimming算法分析
• folder:1-AIoT人工智能物联网之认识 jetson nano
• folder:8-docker实例演示
• folder:12-Mobilenet三代网络模型架构
• folder:1-自然语言处理通用框架BERT原理解读
• folder:7-必备基础知识点-RNN网络架构与情感分析应用实例
• folder:3-项目实战-基于BERT的中文情感分析实战
• folder:5-必备基础知识点-woed2vec模型通俗解读
• folder:2-谷歌开源项目BERT源码解读与应用实例
• folder:3-神经网络回归任务-气温预测
• folder:3-Timesnet时序预测
• folder:2-知识图谱涉及技术点分析
• folder:4-使用python操作neo4j实例
• folder:7-金融平台风控模型实践
• folder:6-文本关系抽取实践
• folder:8-图像超分辨率重构实战
• folder:9-基于GAN的图像补全实战
• folder:4-多模态文字识别
• folder:2-3D点云PointNet算法
• folder:1-3D点云实战 3D点云应用领域分析
• folder:8-基础补充-对抗生成网络架构原理与实战解析
• folder:5-点云补全PF-Net论文解读
• folder:4-Pointnet++项目实战
• folder:7-点云配准及其案例实战
• folder:嵌入式AI
• folder:源码、数据集等
• folder:NLP常用工具包
• folder:课后作业
• folder:第五六七章：YOLO目标检测
• folder:1-6 节直播4：VIT源码解读
• folder:15-直播13：BEITV2-3与Mmlab自监督源码解读
• folder:1-7 节直播5：Segment anything
• folder:1-5 节直播3：Transformer
• folder:1-14 节直播12：注意力机制串讲
• folder:1-11 节直播9：LangChain与VQA任务
• folder:1-16 节直播14：Bev特征空间与知识蒸馏
• folder:1-1 节开班典礼
• folder:1-12 节直播10：EfficientVIT与DINOV2
• folder:1-13 节直播11：对比学习与自监督任务
• folder:1-9 直播7：文本大模型下游任务一条龙资料
• folder:第6节：点云补全实战解读
• folder:第四章：BERT系列算法解读
• folder:第十章：图谱知识抽取实战
• folder:第11-12章：deeplab
• folder:第6-8章：Opencv各函数使用实例
• folder:第4节：stargan论文架构解析
• folder:第4节：经典会议算法精讲（特征融合）
• folder:第3节：基于Attention的行人重识别项目实战
• folder:第1节：行人重识别原理及其应用
• folder:第十二，十三章
• folder:第1.2节：知识图谱介绍及其应用领域分析
• folder:YOLO系列（PyTorch）
• folder:图像分割算法
• folder:Unet系列算法讲解
• folder:对比学习算法与实例
• folder:ANINET源码解读